A vállalatok idősoros előrejelzést használnak olyan alapvető tervezési döntések meghozatalára, amelyek segítenek eligazodni a bizonytalan jövőkben. Ez a bejegyzés az ellátási láncban érdekelt feleket hivatott megszólítani, akiknek közös az az igényük, hogy meghatározzák, hány késztermékre van szükség a különböző tervezési időhorizontokban. Amellett, hogy megtervezik, hogy hány egységnyi árura van szükség, a vállalkozásoknak gyakran tudniuk kell, hogy hol lesz rá szükség, hogy földrajzilag optimális készletet hozzanak létre.
A túlkínálat és az alulkínálat kényes egyensúlya
Ha a gyártók túl kevés alkatrészt vagy készterméket gyártanak, az ebből eredő alulkínálat miatt nehéz döntéseket kell hozniuk a rendelkezésre álló erőforrások arányosítása tekintetében kereskedelmi partnereik vagy üzleti egységeik között. Ennek eredményeként a beszerzési rendelések elfogadási aránya alacsonyabb lehet, és kevesebb nyereséget realizálnak. Az ellátási láncban lejjebb, ha egy kiskereskedőnek túl kevés eladható terméke van a kereslethez képest, csalódást okozhat a vásárlóknak a készlethiány miatt. Ha a kiskereskedelmi vásárlónak azonnali szüksége van, ezek a hiányosságok azt eredményezhetik, hogy egy másik kiskereskedőtől vagy helyettesíthető márkától vásárol. Ez a helyettesítés lemorzsolódási kockázatot jelenthet, ha az alternatíva lesz az új alapértelmezett.
A kínálati inga másik végén az áruk túlkínálata szintén büntetést vonhat maga után. A felesleges tételeket most készletben kell tartani az eladásig. Bizonyos fokú biztonsági készlet várhatóan segíteni fog a kereslet várható bizonytalanságán való eligazodásban; azonban a túl sok készlet olyan hatékonysági hiányokhoz vezet, amelyek felhígíthatják a szervezet eredményét. Különösen akkor, ha a termékek romlandóak, a túlkínálat az eladható késztermék megszerzésére fordított kezdeti befektetés egészének vagy egy részének elvesztéséhez vezethet.
Még akkor is, ha a termékek nem romlandóak, a tárolás során gyakorlatilag tétlen erőforrássá válnak, amely a mérlegben szabad készpénzként, vagy egyéb befektetésekre fordítható. A mérlegen kívül a tárolási és szállítási költségek nem ingyenesek. A szervezetek jellemzően véges mennyiségű rendezett raktári és logisztikai képességekkel rendelkeznek. E korlátok között kell működniük, hatékonyan felhasználva a rendelkezésre álló erőforrásokat.
A túlkínálat és az alulkínálat közötti választással szembesülve a legtöbb szervezet átlagosan inkább a túlkínálatot részesíti előnyben kifejezett választással. Az alulkínálat mérhető költsége gyakran magasabb, esetenként többszöröse a túlkínálat költségéhez képest, amelyet a következő fejezetekben tárgyalunk.
A túlkínálat iránti elfogultság fő oka az, hogy elkerüljük az immateriális költségeket, amelyek abból erednek, hogy elveszítjük a vevők jóindulatát, amikor a termékek nem elérhetők. A gyártók és a kiskereskedők a vásárlók hosszú távú értékére gondolnak, és szeretnék előmozdítani a márkahűséget – ez a küldetés segíti az ellátási lánc stratégiáját.
Ebben a részben a kereslettervezési folyamatot követően túl sok vagy túl kevés erőforrás allokációjából eredő egyenlőtlenségeket vizsgáltuk. Ezután megvizsgáljuk az idősoros előrejelzést, és azt, hogy a keresleti előrejelzések hogyan illeszthetők optimálisan a cikkszintű kínálati stratégiákkal.
Az értékesítési és működési tervezési ciklusok klasszikus megközelítései
Történelmileg az előrejelzést statisztikai módszerekkel valósították meg, amelyek pont előrejelzéseket eredményeznek, amelyek a legvalószínűbb értéket adják a jövőre nézve. Ez a megközelítés gyakran mozgóátlagok vagy lineáris regresszió formáira épül, amelyek egy közönséges legkisebb négyzetes megközelítést alkalmazó modellhez igyekszenek illeszkedni. A pont előrejelzés egyetlen átlagos előrejelzési értékből áll. Mivel a pont előrejelzési érték középpontjában egy átlag áll, várható, hogy a valós érték az átlag felett lesz, az esetek körülbelül 50%-ában. Ez az idő fennmaradó 50%-át hagyja hátra, amikor a valós szám az előrejelzett pont alá esik.
A pont-előrejelzések érdekesek lehetnek, de azt eredményezhetik, hogy a kiskereskedők az esetek 50%-ában kifogynak a kötelező cikkekből, ha szakértői véleményezés nélkül követik őket. Az alulkiszolgált ügyfelek elkerülése érdekében a kereslet- és kínálattervezők manuális felülbírálást alkalmaznak, vagy biztonsági készletképlettel módosítják a pont-előrejelzéseket. A vállalatok használhatják a biztonsági készlet képletének saját értelmezését, de az ötlet az, hogy segítsenek biztosítani a termékkínálatot egy bizonytalan rövid távú távon. Végső soron a tervezőknek el kell dönteniük, hogy felfújják vagy csökkentik az előrejelzések középpontját, a saját szabályaik, értelmezéseik és szubjektív jövőképük szerint.
A modern, korszerű idősoros előrejelzés lehetővé teszi a választást
A valós előrejelzési igények kielégítése érdekében az AWS a képességek széles és mély készletét kínálja, amelyek modern megközelítést biztosítanak az idősoros előrejelzéshez. Gépi tanulási (ML) szolgáltatásokat kínálunk, amelyek magukban foglalják, de nem kizárólagosan Amazon SageMaker Canvas (a részletekért lásd Tanítson gyorsabban egy idősoros előrejelzési modellt az Amazon SageMaker Canvas Quick build segítségével), Amazon előrejelzés (Kezdje sikeres utazását az Amazon Forecast idősoros előrejelzésével), És Amazon SageMaker beépített algoritmusok (Mély kereslet előrejelzés az Amazon SageMaker segítségével). Emellett az AWS egy nyílt forráskódú szoftvercsomagot is kifejlesztett, AutoGluon, amely különféle ML-feladatokat támogat, beleértve az idősoros tartományban lévőket is. További információkért lásd: Egyszerű és pontos előrejelzés az AutoGluon-TimeSeries segítségével.
Vegye figyelembe az előző részben tárgyalt pont-előrejelzést. A valós adatok bonyolultabbak, mint azt átlagos vagy egyenes regressziós egyenes becsléssel kifejezni lehetne. Ezenkívül a túl- és alulkínálat egyensúlyhiánya miatt több pontra van szükség becslésnél. Az AWS-szolgáltatások ezt az igényt az ML-modellek használatával, kvantilis regresszióval párosítják. A kvantilis regresszió lehetővé teszi, hogy a tervezési forgatókönyvek széles skálájából válasszon, amelyek kvantilisként vannak kifejezve, ahelyett, hogy egypontos előrejelzésekre hagyatkozna. Ezek a kvantilisek kínálnak választási lehetőséget, amelyeket a következő részben részletesebben ismertetünk.
Előrejelzések az ügyfelek kiszolgálására és az üzleti növekedés generálására
A következő ábra a kvantilis regresszióval lehetővé tett több kimenetelű idősor előrejelzését mutatja be. A p05-tel jelölt piros vonal annak valószínűségét kínálja, hogy a valós szám, bármi legyen is az, várhatóan a p05 vonal alá esik, az esetek körülbelül 5%-ában. Ezzel szemben ez az esetek 95%-ában azt jelenti, hogy a valódi szám valószínűleg a p05 vonal fölé esik.
Ezután figyelje meg a zöld vonalat, amelyet p70 jelöl. A valódi érték az esetek 70%-ában a p70 vonal alá esik, így 30%-os esély van arra, hogy meghaladja a p70-et. A p50 vonal középponti perspektívát ad a jövőről, 50/50 eséllyel az értékek átlagosan a p50 fölé vagy alá esnek. Ezek példák, de bármely kvantilis ugyanúgy értelmezhető.
A következő részben megvizsgáljuk, hogyan mérhető, hogy a kvantilis előrejelzések tételenként túl- vagy alulkínálatot eredményeznek-e.
Túlkínálat és alulkínálat mérése korábbi adatokból
Az előző rész az előrejelzések megfigyelésének grafikus módját mutatta be; Megtekintésük másik módja a táblázatos megjelenítés, amint az a következő táblázatban látható. Az idősoros modellek létrehozásakor az adatok egy részét visszatartják a betanítási műveletből, ami lehetővé teszi a pontossági mérőszámok előállítását. Bár a jövő bizonytalan, a fő gondolat itt az, hogy a visszatartási időszak alatti pontosság a legjobb közelítés a holnapi előrejelzések teljesítéséhez, minden más tényező változatlansága mellett.
A táblázat nem mutat pontossági mutatókat; hanem a múltból ismert valós értékeket mutatja, valamint számos kvantilis előrejelzést p50-től p90-ig 10-es lépésekben. A közelmúlt történelmi öt időszakában a valós kereslet 218 egység volt. A kvantilis előrejelzések számos értéket kínálnak, a legalacsonyabb 189 egységtől a legmagasabb 314 egységig. A következő táblázatból könnyen belátható, hogy a p50 és a p60 alulkínálatot, az utolsó három kvantilis pedig túlkínálatot eredményez.
Korábban rámutattunk, hogy aszimmetria van a túl- és alulkínálatban. A legtöbb vállalkozás, amely tudatosan dönt a túlkínálat mellett, ezt azért teszi, hogy elkerülje az ügyfelek csalódását. A kritikus kérdés a következő: „A jövőre nézve melyik kvantilis előrejelzési számmal kell szembenéznie az üzleti tervnek?” Tekintettel a fennálló aszimmetriára, súlyozott döntést kell hozni. Ezzel a szükséglettel foglalkozunk a következő részben, ahol az előre jelzett mennyiségeket egységként átváltjuk a megfelelő pénzügyi jelentésükre.
A megfelelő kvantilispontok automatikus kiválasztása a profit maximalizálása vagy az ügyfélszolgálati célok alapján
Ahhoz, hogy a kvantilis értékeket üzleti értékekké konvertáljuk, meg kell találnunk a büntetés mértékét, amely minden egységnyi túlkészlethez és minden egyes egységnyi alulkészlethez kapcsolódik, mivel ezek ritkán egyenlők. Ennek az igénynek a megoldása jól dokumentált és tanulmányozott a hírszállítói problémaként emlegetett operatív kutatás területén. Whitin (1955) volt az első, aki olyan keresleti modellt fogalmazott meg, amely az árképzési hatásokat is magában foglalta. A híradó-probléma abból az időből származik, amikor a hírértékesítőknek el kellett dönteniük, hogy hány újságot vásároljanak aznap. Ha túl alacsony számot választanak, akkor korán eladnák, és nem érnék el bevételi potenciáljukat aznap. Ha túl magas számot választottak, leragadtak a „tegnapi híreknél”, és azt kockáztatták, hogy elveszítik kora reggeli spekulatív befektetésük egy részét.
Az egységenkénti túl- és alulmaradványok kiszámításához minden egyes előrejelezni kívánt tételhez szükség van néhány adatra. Az összetettséget úgy is növelheti, hogy az adatokat cikk+helypár, cikk+vevő párként vagy más kombinációkban adja meg az üzleti igényeknek megfelelően.
- A cikk várható értékesítési értéke.
- Az áruk teljes költsége a termék megvásárlásához vagy gyártásához.
- A cikk készletben tartásához kapcsolódó becsült tárolási költségek, ha nem adták el.
- A tétel megmentési értéke, ha eladatlan. Ha nagyon romlandó, a megmentési érték megközelítheti a nullát, ami az árubefektetés eredeti költségének teljes elvesztését eredményezheti. Ha stabil a polc, a megmentési érték bárhol a cikk várható eladási értéke alá eshet, a tárolt és potenciálisan elöregedett cikk jellegétől függően.
Az alábbi táblázat bemutatja, hogyan választották ki a kvantilispontokat a rendelkezésre álló előrejelzési pontok közül az ismert történelmi időszakokban. Tekintsük a 3. tétel példáját, amelynek valós kereslete 1,578 egység volt a korábbi időszakokban. A p50 becslés 1,288 egységre alulkínálatot jelentett volna, míg a 90 egység p2,578 érték többletet eredményezett volna. A megfigyelt kvantilisek közül a p70 érték maximum 7,301 dollár profitot termel. Ennek ismeretében láthatja, hogy egy p50 kiválasztása közel 1,300 dolláros büntetést eredményezne a p70 értékhez képest. Ez csak egy példa, de a táblázat minden elemének egyedi története van.
Megoldás áttekintése
A következő diagram egy javasolt munkafolyamatot mutat be. Első, Amazon SageMaker Data Wrangler idősor-előrejelző által előállított visszateszt előrejelzéseket fogyaszt. Ezután a visszatesztelő előrejelzéseket és az ismert tényeket tételenként egyesítik a pénzügyi metaadatokkal. Ezen a ponton a visszatesztelő előrejelzések felhasználásával a SageMaker Data Wrangler transzformáció kiszámítja az egységköltséget a cikkenkénti alul- és felül-előrejelzéshez.
A SageMaker Data Wrangler az egység-előrejelzést pénzügyi kontextusba fordítja, és automatikusan kiválasztja azt az elemspecifikus kvantilist, amely a vizsgált kvantilisok közül a legnagyobb nyereséget biztosítja. A kimenet egy táblázatos adathalmaz, az Amazon S3-on tárolva, és elvileg hasonló az előző részben található táblázathoz.
Végül egy idősoros előrejelzőt használnak a jövőbeli időszakokra vonatkozó jövőbeli előrejelzések előállítására. Itt dönthet úgy is, hogy következtetési műveleteket hajt végre, vagy a következtetési adatok alapján jár el, aszerint, hogy melyik kvantilit választották. Ez lehetővé teheti a számítási költségek csökkentését, miközben eltávolítja az egyes tételek kézi ellenőrzésének terhét. A vállalat szakértőinek több idejük lesz arra, hogy a nagy értékű cikkekre összpontosítsanak, miközben a katalógusban található cikkek ezreinél alkalmazhatnak automatikus módosításokat. Megfontolandó szempont, hogy a jövő bizonyos fokú bizonytalansággal jár. Ha azonban minden más tényező változatlan, a kvantilisek vegyes kiválasztása optimalizálja az eredményeket az idősorok átfogó halmazában. Itt az AWS-nél azt tanácsoljuk, hogy használjon két visszatartási előrejelzési ciklust a vegyes kvantilis kiválasztásával talált javulás mértékének számszerűsítésére.
Megoldási útmutató a megvalósítás felgyorsításához
Ha szeretné újra létrehozni az ebben a bejegyzésben tárgyalt kvantilis kiválasztási megoldást, és hozzá kívánja igazítani a saját adatkészletéhez, biztosítunk egy szintetikus adatminta-készletet és egy minta SageMaker Data Wrangler folyamatfájlt a kezdéshez. GitHub. A teljes gyakorlati tapasztalat kevesebb mint egy órát vesz igénybe.
Ezt a bejegyzést és mintamegoldási útmutatást nyújtunk, hogy felgyorsítsuk a piacra jutást. Az egyes kvantilisek ajánlásának elsődleges eszköze a SageMaker Data Wrangler, egy erre a célra kialakított AWS-szolgáltatás, amelynek célja, hogy csökkentse az adatok ML használati esetekhez való előkészítésének idejét. A SageMaker Data Wrangler vizuális felületet biztosít az adatátalakítások tervezéséhez, az adatok elemzéséhez és a funkciók tervezéséhez.
Ha még nem ismeri a SageMaker Data Wranglert, tekintse meg a Ismerkedjen meg a Data Wranglerrel hogy megértse, hogyan indíthatja el a szolgáltatást ezen keresztül Amazon SageMaker Studio. Ettől függetlenül több mint 150 blogbejegyzés amelyek segítenek felfedezni a szolgáltatás által kezelt változatos mintaadat-átalakításokat.
Következtetés
Ebben a bejegyzésben megvitattuk, hogy a kvantilis regresszió hogyan tesz lehetővé több üzleti döntési pontot az idősoros előrejelzésben. Szóba került a túl- és alul-előrejelzéssel járó kiegyensúlyozatlan költségbírság is – az alulkínálat büntetés gyakran többszöröse a túlkínálati bírságnak, nem beszélve arról, hogy az alulkínálat az ügyfelekkel szembeni goodwill elvesztését okozhatja.
A bejegyzés azt taglalta, hogy a szervezetek hogyan értékelhetnek több kvantilis előrejelzési pontot az egyes cikkek túl- és alulkínálati költségeinek figyelembevételével, hogy automatikusan kiválasszák azt a kvantilist, amely valószínűleg a legtöbb profitot fogja hozni a következő időszakokban. Ha szükséges, felülbírálhatja a kijelölést, ha az üzleti szabályok rögzített kvantilist kívánnak a dinamikus kvantilis helyett.
A folyamat célja, hogy segítse az üzleti és pénzügyi célok elérését, miközben megszünteti azt a súrlódást, hogy minden előre jelzett tételre manuálisan kell ítéletet alkalmazni. A SageMaker Data Wrangler segíti a folyamat folyamatos futtatását, mivel a kvantilis kiválasztásának dinamikusnak kell lennie a változó valós adatokkal.
Meg kell jegyezni, hogy a kvantilis szelekció nem egyszeri esemény. A folyamatot minden előrejelzési ciklus során is értékelni kell, figyelembe véve a változásokat, beleértve a megnövekedett áruköltséget, az inflációt, a szezonális kiigazításokat, az új termékek bevezetését, a fogyasztói igények változását stb. A javasolt optimalizálási folyamat az idősoros modellgenerálás után helyezkedik el, amelyet modell betanítási lépésnek nevezünk. A kvantilis kijelölések megtörténnek, és a jövőbeni előrejelzésgenerálási lépéssel együtt használatosak, amelyet néha következtetési lépésnek is neveznek.
Ha bármilyen kérdése van ezzel a bejegyzéssel kapcsolatban, vagy szeretne mélyebben belemerülni egyedi szervezeti igényeibe, forduljon az AWS-fiókjához tartozó csapatához, az AWS Solutions Architectjéhez, vagy nyisson új ügyet ügyfélszolgálati központunkban.
Referenciák
- DeYong, GD (2020). Az ármeghatározó hírszolgáltató: áttekintés és bővítmények. International Journal of Production Research, 58(6), 1776–1804.
- Liu, C., Letchford, AN és Svetokov, I. (2022). Hírszolgáltatói problémák: Integrált módszer a becsléshez és az optimalizáláshoz. European Journal of Operational Research, 300(2), 590–601.
- Punia, S., Singh, SP és Madaan, JK (2020). A prediktív elemzéstől az előíró elemzésig: adatvezérelt, több elemből álló hírszolgáltatói modell. Döntéstámogató rendszerek, 136.
- Trapero, JR, Cardós, M., & Kourentzes, N. (2019). Kvantilis előrejelzés optimális kombinációja a biztonsági készletbecslés javítása érdekében. International Journal of Forecasting, 35(1), 239–250.
- Whitin, TM (1955). Készlet ellenőrzés és árelmélet. Management Sci. 2 61–68.
A szerzőről
Charles Laughlin AI/ML Specialist Solution Architect, és az AWS Amazon SageMaker szolgáltatási csapatában dolgozik. Segít kialakítani a szolgáltatási ütemtervet, és naponta együttműködik különféle AWS-ügyfelekkel, hogy a legkorszerűbb AWS-technológiák és gondolati vezetés segítségével segítse vállalkozásukat átalakítani. Charles ellátási lánc menedzsment okleveles diplomával és Ph.D fokozattal rendelkezik. az adattudományban.
- SEO által támogatott tartalom és PR terjesztés. Erősödjön még ma.
- PlatoData.Network Vertical Generative Ai. Erősítse meg magát. Hozzáférés itt.
- PlatoAiStream. Web3 Intelligence. Felerősített tudás. Hozzáférés itt.
- PlatoESG. Carbon, CleanTech, Energia, Környezet, Nap, Hulladékgazdálkodás. Hozzáférés itt.
- PlatoHealth. Biotechnológiai és klinikai vizsgálatok intelligencia. Hozzáférés itt.
- Forrás: https://aws.amazon.com/blogs/machine-learning/beyond-forecasting-the-delicate-balance-of-serving-customers-and-growing-your-business/
- :van
- :is
- :nem
- :ahol
- ][p
- 1
- 10
- 100
- 2019
- 2020
- 2022
- 420
- 7
- 95%
- a
- Rólunk
- felett
- gyorsul
- elfogadás
- Szerint
- Fiók
- pontosság
- pontos
- elért
- szerez
- törvény
- alkalmazkodni
- mellett
- cím
- címzett
- kiigazítások
- tanácsot ad
- Után
- ellen
- idős
- előre
- AI / ML
- algoritmusok
- Minden termék
- lehetővé
- lehetővé teszi, hogy
- mellett
- Is
- Bár
- amazon
- Amazon SageMaker
- Amazon SageMaker Canvas
- Az Amazon Web Services
- között
- összeg
- an
- analitika
- elemez
- és a
- Másik
- bármilyen
- bárhol
- alkalmazott
- alkalmaz
- megközelítés
- megközelít
- körülbelül
- VANNAK
- elrendezve
- AS
- félre
- társult
- At
- Automatikus
- automatikusan
- elérhető
- átlagos
- elkerülése érdekében
- AWS
- vissza
- Backtest
- Egyenleg
- Mérleg
- mérlegek
- alapján
- alap
- BE
- mert
- válik
- válik
- óta
- hogy
- lent
- BEST
- között
- Túl
- előítélet
- Blog
- Alsó
- márka
- széles
- beépített
- teher
- üzleti
- vállalkozások
- de
- by
- hívott
- kéri
- TUD
- vászon
- képességek
- végrehajtott
- szállítás
- eset
- esetek
- Készpénz
- katalógus
- Okoz
- Központ
- központú
- lánc
- esély
- Változások
- változó
- Károly
- választás
- választás
- A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a
- választja
- választotta
- választott
- kombináció
- kombinációk
- Közös
- Companies
- vállalat
- képest
- teljes
- bonyolultság
- bonyolult
- Kiszámít
- fogalmilag
- öntudatos
- Fontolja
- megfontolás
- áll
- korlátok
- fogyasztó
- kontextus
- ellenőrzés
- fordítva
- megtérít
- átalakított
- Mag
- kijavítására
- Költség
- kiadások
- tudott
- összekapcsolt
- teremt
- létrehozása
- kritikai
- vevő
- Vevőszolgálat
- Ügyfelek
- élvonalbeli
- ciklus
- ciklusok
- napi
- dátum
- adat-tudomány
- adatalapú
- nap
- dönt
- döntés
- határozatok
- mély
- mélyebb
- alapértelmezett
- Fok
- szállít
- Kereslet
- Igény előrejelzése
- igények
- igazolták
- mutatja
- attól
- leírni
- Design
- tervezett
- vágy
- részlet
- részletek
- meghatározó
- fejlett
- kiábrándító
- felfedez
- megvitatni
- tárgyalt
- merülés
- számos
- do
- Nem
- domain
- le-
- hajtás
- két
- alatt
- dinamikus
- minden
- Korai
- könnyű
- hatékonyan
- hatások
- eredményesen
- engedélyező
- lehetővé teszi
- végén
- Mérnöki
- növelése
- biztosítására
- Egész
- egyenlő
- különösen
- becslés
- európai
- értékelni
- értékelték
- esemény
- Minden
- megvizsgálni
- példa
- példák
- haladja meg
- többlet
- létezik
- várható
- tapasztalat
- szakértő
- szakértők
- kifejezve
- kiterjesztések
- Esik
- gyorsabb
- Funkció
- kevés
- kevesebb
- mező
- Ábra
- filé
- pénzügyi
- pénzügyi célok
- Találjon
- vezetéknév
- megfelelő
- öt
- rögzített
- áramlási
- Összpontosít
- következik
- követ
- következő
- A
- Előrejelzés
- előrejelzések
- formák
- képlet
- Foster
- talált
- Ingyenes
- súrlódás
- ból ből
- Tele
- további
- jövő
- Futures
- generál
- generált
- generáció
- földrajzilag
- kap
- adott
- Gluon
- Célok
- jó
- áruk
- Jóakarat
- Zöld
- Növekvő
- útmutatást
- kellett
- hands-on
- Legyen
- tekintettel
- he
- hős
- segít
- segít
- itt
- Magas
- <p></p>
- legnagyobb
- nagyon
- történelmi
- történeti
- holding
- tart
- horizont
- Horizons
- óra
- Hogyan
- How To
- azonban
- HTML
- HTTPS
- i
- ötlet
- Idle
- if
- illusztrálja
- kiegyensúlyozatlanság
- azonnali
- fejlesztések
- in
- tartalmaz
- beleértve
- Beleértve
- Jövedelem
- Növelje
- <p></p>
- függetlenül
- infláció
- tájékoztat
- információ
- kezdetben
- eszmei
- integrált
- érdekes
- Felület
- Nemzetközi
- értelmezés
- bele
- Bevezetés
- leltár
- vizsgálja
- beruházás
- Beruházások
- IT
- tételek
- csatlakozott
- folyóirat
- utazás
- Ismer
- Ismerve
- ismert
- keresztnév
- indít
- vezet
- Vezetés
- vezetékek
- tanulás
- legkevésbé
- kilépő
- kevesebb
- mint
- Valószínű
- Korlátozott
- vonal
- logisztika
- hosszú lejáratú
- vesztes
- le
- Elő/Utó
- alacsonyabb
- gép
- gépi tanulás
- készült
- Fő
- csinál
- vezetés
- mód
- kézikönyv
- kézzel
- Gyártók
- sok
- piacára
- párosított
- maximalizálása
- maximális
- Lehet..
- jelent
- jelentése
- eszközök
- jelentett
- intézkedés
- Találkozik
- Metaadatok
- módszer
- mód
- Metrics
- Küldetés
- vegyes
- ML
- modell
- modellek
- modern
- több
- Reggel
- a legtöbb
- mozgó
- mozgóátlagok
- többszörös
- kell
- Kell
- Nevezett
- Természet
- Keresse
- Közel
- elengedhetetlen
- Szükség
- szükséges
- igények
- Új
- új termék
- hír
- Újság
- következő
- neves
- Most
- szám
- megfigyelni
- of
- ajánlat
- Ajánlatok
- gyakran
- on
- ONE
- folyamatban lévő
- csak
- nyitva
- nyílt forráskódú
- Nyílt forráskódú szoftver
- működik
- működés
- operatív
- Művelet
- optimálisan
- optimalizálás
- Optimalizálja
- or
- rendelés
- rendes
- szervezeti
- szervezetek
- eredeti
- Más
- mi
- ki
- eredmények
- teljesítmény
- felett
- átfogó
- felülírás
- Elhalmoz
- saját
- csomag
- pár
- rész
- partnerek
- alkatrészek
- múlt
- mert
- Teljesít
- időszak
- időszakok
- perspektíva
- darabok
- terv
- tervezés
- Plató
- Platón adatintelligencia
- PlatoData
- kérem
- pont
- pont
- pozicionált
- lehetséges
- állás
- potenciális
- potenciálisan
- előrejelzés
- Tippek
- jobban szeret
- Készít
- megakadályozása
- előző
- korábban
- ár
- árazás
- elsődleges
- Fő
- Előzetes
- Probléma
- problémák
- folyamat
- gyárt
- Készült
- termel
- Termékek
- Termelés
- Termékek
- Nyereség
- nyereség
- javasolt
- ad
- biztosít
- Vásárlás
- folytatni
- kérdés
- Kérdések
- Quick
- R
- hatótávolság
- ritkán
- Az árak
- Inkább
- el
- igazi
- való Világ
- realizált
- ok
- új
- ajánló
- Piros
- csökkenteni
- utal
- említett
- relatív
- támaszkodnak
- megmaradó
- eltávolítása
- kutatás
- forrás
- Tudástár
- azok
- eredményez
- kapott
- kiskereskedelem
- kiskereskedő
- kiskereskedők
- Kritika
- Kockázat
- ütemterv
- szabályok
- futás
- futás
- s
- Biztonság
- sagemaker
- értékesítés
- azonos
- forgatókönyvek
- SCI
- Tudomány
- szezonális
- Rész
- szakaszok
- lát
- Keresi
- kiválasztása
- kiválasztás
- elad
- Sellers
- Series of
- szolgál
- szolgáltatás
- Szolgáltatások
- szolgáló
- készlet
- számos
- Alak
- Megosztás
- adatlap
- Polc
- VÁLTOZÁS
- vásárlók
- rövid időszak
- kellene
- előadás
- mutatott
- Műsorok
- hasonló
- egyetlen
- So
- szoftver
- eladott
- megoldások
- Megoldások
- néhány
- szakember
- különleges
- spekulatív
- terek
- stabil
- érdekeltek
- kezdődött
- csúcs-
- statisztikai
- Lépés
- Lépései
- készlet
- tárolás
- memorizált
- Történet
- egyenes
- stratégiák
- Stratégia
- tanult
- sikeres
- kínálat
- Kereslet és kínálat
- ellátási lánc
- ellátási lánc menedzsment
- támogatás
- Támogató rendszerek
- Támogatja
- többlet
- szintetikus
- Systems
- táblázat
- Vesz
- tart
- feladatok
- csapat
- Technologies
- mondd
- mint
- hogy
- A
- A jövő
- azok
- Őket
- elmélet
- Ott.
- Ezek
- ők
- dolgok
- Szerintem
- ezt
- azok
- gondoltam
- gondolkodás vezetés
- ezer
- három
- Keresztül
- idő
- Idősorok
- nak nek
- is
- kemény
- felé
- Kereskedés
- Képzések
- Átalakítás
- transzformációk
- igaz
- igazi érték
- kettő
- jellemzően
- Végül
- Bizonytalan
- Bizonytalanság
- alatt
- megért
- egyedi
- egység
- egységek
- -ig
- használ
- használt
- segítségével
- érték
- Értékek
- fajta
- Megnézem
- akar
- volt
- Út..
- we
- háló
- webes szolgáltatások
- JÓL
- voltak
- bármi
- amikor
- bármikor
- mivel
- vajon
- ami
- míg
- WHO
- széles
- Széleskörű
- lesz
- val vel
- belül
- nélkül
- munkafolyamat
- művek
- lenne
- te
- A te
- zephyrnet
- nulla